ML para Señales e Imágenes Médicas

Flujo completo, buenas prácticas y demos con datos sintéticos

¿Qué es Machine Learning (ML)?

El Machine Learning (Aprendizaje Automático) es un proceso automatizado que se encarga de extraer patrones a partir de los datos [i].

Es un campo de conocimiento crucial y una tecnología omnipresente [i].

Su objetivo fundamental es ajustar modelos a los datos proporcionados para permitir la predicción y clasificación [i].

El Rol de la Predicción

El ML busca aprender a predecir (estimar o aproximar) la etiqueta de un punto de datos basándose exclusivamente en sus características (features) [i].

Implementa el principio científico de “prueba y error” [i].

Esto se logra refinando continuamente un modelo de forma iterativa, basándose en la pérdida incurrida por sus predicciones frente a los datos reales observados [i].

Componentes Esenciales

La teoría del Machine Learning se presenta como la combinación de tres componentes básicos e interdependientes [i]:

  1. Datos (Data): La materia prima a partir de la cual el sistema aprende.
  2. Modelo (Model): La estructura matemática que se ajusta a los datos (ej. red neuronal, árbol de decisión).
  3. Función de Pérdida (Loss Function): Mide la discrepancia entre las predicciones del modelo y los valores reales observados.